TSDB在油气田勘探开发领域的应用

各位小伙伴不知身体恢复得如何了，Jesse也利用休息时间进行了充分的学习，本期想为大家介绍一下TSDB在油气田勘探开发领域的应用。本文也参考学习了张芸的《油气田企业勘探开发数据湖架构设计》一文。

本文仅代表个人观点，如有偏颇之处，还请海涵～

🤠🤠🤠

TSDB在油气田勘探开发领域的应用

石油天然气工业是国民经济的重要基石，各大油气田企业一向是新技术的重要应用田。伴随油气田资源的不断开发，剩余油气储量开采的难度越发提升，一系列问题油然而生，比如：油气资源品位劣质化、老油田高含水、环境污染等等。在第四次工业革命的浪潮中，油气田企业中大量宝贵的数据资源，比如结构化数据、非结构化数据和时序数据等，必将得到更大的关注和更充分的利用。但是目前，传统的关系型数据库和数据仓库等技术已无法满足多种类型数据的存储、应用需求。我们急需寻求新的存储方式提高数据利用效率。

我国的油气田企业信息化建设经历了30余年的发展，目前正朝着数据显示虚拟化和可视化、决策部署协同化和高效化、生产管理远程化和实时化、业务管理一体化和精细化、信息资源集成化和共享化方向发展。针对油气田企业数据类型种类繁多、数据组织形式复杂、数据分析应用手段落后的特点，本次我们希望发现种新的架构，助力油气田企业数据的利用。

油气田企业勘探开发数据类别

总体来讲，我们可以把油气田企业勘探开发数据划分为3大类：结构化数据、非结构化数据、时序数据。我们通过表一对这3类数据作简单介绍。

表一：油气田企业勘探开发数据类别

油气田企业勘探开发数据平台架构

油气田企业勘探开发数据平台架构，如图1所示，我们从底至上将平台分为数据采集、数据集成、数据存储和数据应用四层。

首先来看数据采集层。一般油气田企业会有多个采集系统（主数据采集系统、钻井数据采集系统、录井数据采集系统等）。这些系统采集的数据是多样的，有结构化数据、有地震体大文件数据，以及设备产生的时序数据。数据采集层是数据的来源，其会根据相应的数据结构，获取系统元数据，形成他们自身的业数据清单。而后数据集成层会将多源数据整合到一起，通过主数据建立不同类型数据之间的关系。数据集成层主要包括主数据统一、重复录入检查、数据质量检查、数据映射、建立同步和定时任务功能六大功能。数据存储层是指将数据保存到数据库中，数据存储层将经过数据清洗、转换、集成后的数据进行存储，以主数据为核心，存储结构化数据、时序数据和非结构化数据。在这里我们能看到TSDB的身影，其通过高效的压缩和快速的写入等优势助力我们保存数据。最后，数据应用层包括数据查询基本功能，还包括项目库、高速索引等深层次应用，也提供了领域知识库、大数据分析等工具，同时提供数据微服务。其利用大数据分析技术，充分利用数据湖中的各类数据，为上层业务提供支持和服务。

图1：平台架构

TSDB助力油气田解决生产难题

首先，TSDB助力油气田企业实现了实时监控。我们通过在关键环节放置数据采集装备，经过数据传输和分析存入TSDB后，从而实现对设备的实时监控和安全预警。比如，在油品运输环节，我们无法实时监控管道阀门，此时通过物联网设备监测管道压力并实时传输到后台，就可以实时掌握异常数值，我们无需等到出现问题再处理，从而也减少了人工操作纰漏。此外，通过无人机对管线地表进行甲烷浓度监测也在防止气体泄漏的另一日益普及的方法。其次，TSDB助力油气田企业实现了管理的高效。油气生产中设备是不中断运行的，因此，对设备的检测、维修维护需要前置。举例来讲，钻机在下钻过程中如果停止会严重影响工作进行，此前，如果出现这些问题都需要经验丰富的技工来做判断，是轴承磨损还是卡钻、损坏，是不是要换钻头都依赖于个人经验。这就造成了人员培养成本高，周期长的问题。现在由于TSDB积累了大量的数据，我们可以总结出算法模型，让机器帮我们去识别问题，预测性维护的普及，极大的提高了企业的管理效率。最后，就是TSDB对于油气田企业智能化的帮助。我们此前想得到数据的分析结果，需要人工汇总，时间经常少则几小时多则1~2天。但现在一切都可以是自动的、实时的。我们如想了解某区域或者单井的产量，只需输入相关参数，对应的模型会通过机器自动分析输出结果。只需几秒钟，我们就可得到所需的答案。

参与CnosDB社区交流群：

扫描下方二维码，加入CC进入CnosDB社区进入社区交流，CC也会在群内分享直播链接哒